结晶器摩擦力作为反映结晶器内润滑状况的重要参数,在确保连铸生产稳定运行和改善铸坯质量方面具有重要意义。随着连铸高拉速的发展和应用,通过结晶器摩擦力信号的检测与分析实时地了解和控制结晶器内部的润滑状态对于连铸生产至关重要,而小波变换为准确分析摩擦力的细微变化提供了一种行之有效的方法。论文基于连铸生产实测数据及小波变换相关理论的研究,对结晶器摩擦力信号进行了时频分析,旨在通过深入细致地探讨结晶器摩擦力信号特征,进一步了解结晶器内摩擦行为及其润滑机理,这对促进连铸生产技术发展,具有重要的理论和实践意义。⑴根据结晶器摩擦力检测原理及连铸生产实测数据,获取了表征结晶器与铸坯间润滑状态的结晶器摩擦力数据。根据小波理论及结晶器摩擦力信号特点,通过对比分析,确定了结晶器摩擦力连续小波分析的小波基函数、尺度,以及其离散小波分析的相关参数。在此基础上,对液位波动、水口断裂、纵裂漏钢等典型结晶器摩擦力信号进行了连续和离散小波变换,实现了结晶器摩擦力时频特征的有效解析和异常的检测。⑵为了定量的检测结晶器摩擦力信号系统的运行状态,论文引入了小波熵理论来刻画结晶器摩擦力信号的波动特征。重点分析了正常生产、不同控制模型以及拉速变化和漏钢时,结晶器摩擦力信号特点及其小波熵结果,结果表明小波熵能够准确地反映结晶器摩擦力总体变化趋势及其局部变化特征。在此基础上,进一步讨论了结晶器摩擦力与液压缸输出力变化趋势。根据第四章结论,拉坯时结晶器液压缸输出力应与摩擦力具有相同的变化趋势,结晶器液压缸输出力分析结果可以作为评价结晶器与铸坯之间的润滑情况的依据。⑶研究了人工神经网络的特性及基本原理,探讨了振动参数、不同网络类型对液压缸输出力预测结果的影响,建立了结晶器液压缸输出力BP网络模型,并依据实测数据,对网络的适用性、准确性进行了评价,结果显示:建立的BP神经网络能够对不同拉速条件下的液压缸输出力进行预测,且误差控制在一定范围内。